TidyverseCONAHCYT-Universidad de Guadalajara
7 de enero de 2025
Tidyverse.RExisten más de 20 mil funciones escritas por usuarios de R que están contenidas en paquetes (packages).
R base.
R se almacenan en el Comprehensive R Archive Network (CRAN).RR es como un foco 💡CRAN o algún repositorio en internet (avanzado).R solo invocando una función: package_name::function().Tidyverse?El
Tidyversees una colección de paquetes deRdiseñados para la administración y manipulación de datos ( data science ). Todos los paquetes comparten una misma filosofía de diseño, gramática y una estructura de datos subyacente (tidyverse.org).
R): Sepal.Length Sepal.Width Largo_petalo Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
7 4.6 3.4 1.4 0.3 setosa
8 5.0 3.4 1.5 0.2 setosa
9 4.4 2.9 1.4 0.2 setosa
10 4.9 3.1 1.5 0.1 setosa
11 5.4 3.7 1.5 0.2 setosa
12 4.8 3.4 1.6 0.2 setosa
13 4.8 3.0 1.4 0.1 setosa
14 4.3 3.0 1.1 0.1 setosa
15 5.8 4.0 1.2 0.2 setosa
16 5.7 4.4 1.5 0.4 setosa
17 5.4 3.9 1.3 0.4 setosa
18 5.1 3.5 1.4 0.3 setosa
19 5.7 3.8 1.7 0.3 setosa
20 5.1 3.8 1.5 0.3 setosa
21 5.4 3.4 1.7 0.2 setosa
22 5.1 3.7 1.5 0.4 setosa
23 4.6 3.6 1.0 0.2 setosa
24 5.1 3.3 1.7 0.5 setosa
25 4.8 3.4 1.9 0.2 setosa
26 5.0 3.0 1.6 0.2 setosa
27 5.0 3.4 1.6 0.4 setosa
28 5.2 3.5 1.5 0.2 setosa
29 5.2 3.4 1.4 0.2 setosa
30 4.7 3.2 1.6 0.2 setosa
31 4.8 3.1 1.6 0.2 setosa
32 5.4 3.4 1.5 0.4 setosa
33 5.2 4.1 1.5 0.1 setosa
34 5.5 4.2 1.4 0.2 setosa
35 4.9 3.1 1.5 0.2 setosa
36 5.0 3.2 1.2 0.2 setosa
37 5.5 3.5 1.3 0.2 setosa
38 4.9 3.6 1.4 0.1 setosa
39 4.4 3.0 1.3 0.2 setosa
40 5.1 3.4 1.5 0.2 setosa
41 5.0 3.5 1.3 0.3 setosa
42 4.5 2.3 1.3 0.3 setosa
43 4.4 3.2 1.3 0.2 setosa
44 5.0 3.5 1.6 0.6 setosa
45 5.1 3.8 1.9 0.4 setosa
46 4.8 3.0 1.4 0.3 setosa
47 5.1 3.8 1.6 0.2 setosa
48 4.6 3.2 1.4 0.2 setosa
49 5.3 3.7 1.5 0.2 setosa
50 5.0 3.3 1.4 0.2 setosa
51 7.0 3.2 4.7 1.4 versicolor
52 6.4 3.2 4.5 1.5 versicolor
53 6.9 3.1 4.9 1.5 versicolor
54 5.5 2.3 4.0 1.3 versicolor
55 6.5 2.8 4.6 1.5 versicolor
56 5.7 2.8 4.5 1.3 versicolor
57 6.3 3.3 4.7 1.6 versicolor
58 4.9 2.4 3.3 1.0 versicolor
59 6.6 2.9 4.6 1.3 versicolor
60 5.2 2.7 3.9 1.4 versicolor
61 5.0 2.0 3.5 1.0 versicolor
62 5.9 3.0 4.2 1.5 versicolor
63 6.0 2.2 4.0 1.0 versicolor
64 6.1 2.9 4.7 1.4 versicolor
65 5.6 2.9 3.6 1.3 versicolor
66 6.7 3.1 4.4 1.4 versicolor
67 5.6 3.0 4.5 1.5 versicolor
68 5.8 2.7 4.1 1.0 versicolor
69 6.2 2.2 4.5 1.5 versicolor
70 5.6 2.5 3.9 1.1 versicolor
71 5.9 3.2 4.8 1.8 versicolor
72 6.1 2.8 4.0 1.3 versicolor
73 6.3 2.5 4.9 1.5 versicolor
74 6.1 2.8 4.7 1.2 versicolor
75 6.4 2.9 4.3 1.3 versicolor
76 6.6 3.0 4.4 1.4 versicolor
77 6.8 2.8 4.8 1.4 versicolor
78 6.7 3.0 5.0 1.7 versicolor
79 6.0 2.9 4.5 1.5 versicolor
80 5.7 2.6 3.5 1.0 versicolor
81 5.5 2.4 3.8 1.1 versicolor
82 5.5 2.4 3.7 1.0 versicolor
83 5.8 2.7 3.9 1.2 versicolor
84 6.0 2.7 5.1 1.6 versicolor
85 5.4 3.0 4.5 1.5 versicolor
86 6.0 3.4 4.5 1.6 versicolor
87 6.7 3.1 4.7 1.5 versicolor
88 6.3 2.3 4.4 1.3 versicolor
89 5.6 3.0 4.1 1.3 versicolor
90 5.5 2.5 4.0 1.3 versicolor
91 5.5 2.6 4.4 1.2 versicolor
92 6.1 3.0 4.6 1.4 versicolor
93 5.8 2.6 4.0 1.2 versicolor
94 5.0 2.3 3.3 1.0 versicolor
95 5.6 2.7 4.2 1.3 versicolor
96 5.7 3.0 4.2 1.2 versicolor
97 5.7 2.9 4.2 1.3 versicolor
98 6.2 2.9 4.3 1.3 versicolor
99 5.1 2.5 3.0 1.1 versicolor
100 5.7 2.8 4.1 1.3 versicolor
101 6.3 3.3 6.0 2.5 virginica
102 5.8 2.7 5.1 1.9 virginica
103 7.1 3.0 5.9 2.1 virginica
104 6.3 2.9 5.6 1.8 virginica
105 6.5 3.0 5.8 2.2 virginica
106 7.6 3.0 6.6 2.1 virginica
107 4.9 2.5 4.5 1.7 virginica
108 7.3 2.9 6.3 1.8 virginica
109 6.7 2.5 5.8 1.8 virginica
110 7.2 3.6 6.1 2.5 virginica
111 6.5 3.2 5.1 2.0 virginica
112 6.4 2.7 5.3 1.9 virginica
113 6.8 3.0 5.5 2.1 virginica
114 5.7 2.5 5.0 2.0 virginica
115 5.8 2.8 5.1 2.4 virginica
116 6.4 3.2 5.3 2.3 virginica
117 6.5 3.0 5.5 1.8 virginica
118 7.7 3.8 6.7 2.2 virginica
119 7.7 2.6 6.9 2.3 virginica
120 6.0 2.2 5.0 1.5 virginica
121 6.9 3.2 5.7 2.3 virginica
122 5.6 2.8 4.9 2.0 virginica
123 7.7 2.8 6.7 2.0 virginica
124 6.3 2.7 4.9 1.8 virginica
125 6.7 3.3 5.7 2.1 virginica
126 7.2 3.2 6.0 1.8 virginica
127 6.2 2.8 4.8 1.8 virginica
128 6.1 3.0 4.9 1.8 virginica
129 6.4 2.8 5.6 2.1 virginica
130 7.2 3.0 5.8 1.6 virginica
131 7.4 2.8 6.1 1.9 virginica
132 7.9 3.8 6.4 2.0 virginica
133 6.4 2.8 5.6 2.2 virginica
134 6.3 2.8 5.1 1.5 virginica
135 6.1 2.6 5.6 1.4 virginica
136 7.7 3.0 6.1 2.3 virginica
137 6.3 3.4 5.6 2.4 virginica
138 6.4 3.1 5.5 1.8 virginica
139 6.0 3.0 4.8 1.8 virginica
140 6.9 3.1 5.4 2.1 virginica
141 6.7 3.1 5.6 2.4 virginica
142 6.9 3.1 5.1 2.3 virginica
143 5.8 2.7 5.1 1.9 virginica
144 6.8 3.2 5.9 2.3 virginica
145 6.7 3.3 5.7 2.5 virginica
146 6.7 3.0 5.2 2.3 virginica
147 6.3 2.5 5.0 1.9 virginica
148 6.5 3.0 5.2 2.0 virginica
149 6.2 3.4 5.4 2.3 virginica
150 5.9 3.0 5.1 1.8 virginica
Ejercicio 0 en la práctica guiada
Fuente: R 4 Data Science
Tidyverse
palmerpenguinspalmerpenguins es proveer muchos datos para hacer ejercicios de manipulación, exploración y análisis de datos.?palmerpenguins.RR
Fuente: Elaboración propia.
Cuando empiezas a programar para ti mismo:
R: File>New Project >Existing Directory.RProj.Ventajas:
readr()Para leer/exportar archivos de texto plano en R necesitamos:
., .``; o |.| Leer desde archivo | Escribir al archivo | Separador |
|---|---|---|
read_delim() |
write_delim() |
Todos. Definido por usuario |
read_csv() |
write_csv() |
Comas |
read_csv2() |
write_csv2() |
Punto y coma |
read_tsv() |
write_tsv() |
Tabulación |
Para importar otros tipos de archivos podemos usar los siguientes paquetes:
readxl: Archivos en formato MS Excel (Usa Java)haven: SPSS, Stata y SAS.googlesheets4: Archivos de Google Sheets.rvtest: Archivos HTML.RLeer un archivo ubicado en la misma carpeta que tu script:
Leer un archivo ubicado en una carpeta diferente:
tibbles en 🌈 TidyverseTidyverse producen resultados en objetos denominados tibbles.tibbles son en escencia similares a los dataframe pero no son lo mismo:
dplyrEl paquete dplyr provee de una gramática para la manipulación de datos a partir de un conjunto consistente de verbos (funciones):
| Verbo (función) | Descripción |
|---|---|
filter() |
Seleccionar filas que cumplan una o varias condiciones lógicas |
select() |
Seleccionar o descartar columnas |
rename() |
Cambiar el nombre de una columna |
mutate() |
Transformar valores o crear una nueva columna |
group_by() |
Agrupar datos en una o más columnas |
arrange() |
Ordenar las filas de acuerdo al valor de las variables |
summarize() |
Reduce un grupo de datos a una sola fila |
filter()Selecciona filas en un dataframe
R base para hacer algo similar:select()Seleccionar o descartar columnas en un dataframe.
mutate()Transforma valores o crea columnas nuevas.
rename()La usamos para renombrar columnas existentes.
El símbolo %>% o |> (entonces o después) es un componente que encadena todas las operaciones de manipulación de datos.
Ventajas:
Notas:
df solo se menciona una vez al principio (seleccionar y guardar resultados de operaciones).|> o %>%.RNota
Los conjuntos de datos ordenados son fáciles de manipular, modelar y visualizar, y tienen una estructura específica: cada variable es una columna, cada observación es una fila, y cada tipo de unidad de observación es una tabla. (Wickham, 2014)
tidy cada fila es una observación y cada columna es una variable.item, cada columna es una variable.tidyr: Ordenando datos desordenadosEl paquete tidyr contiene diversas funciones que pueden ser útiles para ordenar y transformar nuestros datos:
pivot_longer(): Útil para convertir datos en formato wide a long (Ordenar).pivot_longer()pivot_longer()# Aumentar el grado de complejidad con Billboard List
data("billboard")
df <- billboard %>%
pivot_longer(
cols = starts_with("wk"),
names_to = "Semana",
values_to = "Ranking",
values_drop_na = TRUE
)
# ¿Cuanto tiempo permaneció cada canción en las listas?
df <- billboard %>%
pivot_longer(
cols = starts_with("wk"),
names_to = "Semana",
names_prefix = "wk", # Convierte semana a número entero
values_to = "Ranking",
values_drop_na = TRUE
)tidyr: Ordenando datos desordenadospivot_wider(): Útil para convertir datos en formato Long a Wide.pivot_wider()group_by()Es una función del paquete dplyr que se utiliza para agrupar datos.
Es útil cuando queremos realizar operaciones en algunos grupos dentro de un conjunto de datos.
Sintáxis básica:
df es un conjunto de datos rectangular.grupo1, grupo2,... las columnas a partir de las cuales se quieren agrupar los datos.summrize()Esta función se utiliza para generar resumenes de datos.
Permite calcular estadísticas descriptivas (promedios, sumas, max, min, etc.) sobre un conjunto de datos agupado.
Sintáxis básica de uso:
df es un conjunto de datos agrupado con la función group_by().funcion(): Cálculo que deseas aplicar p.ej. mean(), sum(), max().group_by() y summarize()# Datos de ejemplo
datos <- tibble(
categoria = c("A", "A", "B", "B", "C"),
valor = c(10, 20, 30, 40, 50)
)
# Calcular resumen sin agrupar
resumen_general <- datos %>%
summarize(promedio_valor = mean(valor))
# Calcular resumen agrupado
resumen_por_categoria <- datos %>%
group_by(categoria) %>%
summarize(
promedio_valor = mean(valor),
total_valor = sum(valor)
)dplyrjoins) de datos nos permiten combinar información entre varios objetos.R existen diversos tipos de uniones:
En una unión a la izquierda de dos tablas L y R, la tabla resultante (llamemosla LR) contendrá todos los registros de la tabla L, pero solo los registros de R cuyas clavles (ID) estén incluidas en L.
Una unión a la derecha es como la anterior a la izquierda, pero al revés: la tabla final contendrá todas las filas de R, pero sólo aquellas de L con una clave coincidente. Nótese, pues, que es posible reformular una unión a la derecha de L con R como una a la izquierda de R con L.
En la unión interna, sólo los registros de L y R que tengan una clave igual aparecerán en la tabla final.
En la unión completa, la tabla resultante contendrá todas las filas de L y todas las de R, con independencia de que no exista una clave coincidente.
R {base}Para unir tablas de datos usando R {base} podemos usar la función merge().
df1 y df2 son las tablas de datos que queremos unir.var_id es la variable en común a partir de la que unimos los datos.merge()# Ejemplo datos ensayo clínico
demographics <- data.frame(
id = c("P1", "P2", "P3"),
age = c(40, 54, 47),
country = c("GER", "JPN", "BRA"),
stringsAsFactors = FALSE
)
adverse_events <- data.frame(
id = c("P1", "P1", "P3", "P4"),
term = c("Headache", "Neutropenia", "Constipation", "Tachycardia"),
onset_date = c("2020-12-03", "2021-01-03", "2020-11-29", "2021-01-27"),
stringsAsFactors = FALSE
)merge()dplyrleft_join().right_join().inner_join().full_join().dplyrEn caso de que el nombre de las variables ID de las dos tablas no coincida, tendrás que pasar un vector nombrado como argumento de by.
Nombre y valor corresponden con la clave en la primera y segunda tabla, respectivamente.